MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410513145 · doi:10.3899/jrheum.2025-0390.pv080

MENTAL HEALTH DIAGNOSES AND ACUTE CARE USE AMONG INDIVIDUALS WITH SYSTEMIC LUPUS ERYTHEMATOSUS IN THE ALL OF US RESEARCH PROGRAM

2025· article· en· W4410513145 sur OpenAlexvenueno aff
Karen H. Costenbader, Jeong Yee, Hongshu Guan, Emily G. Oakes, L Santacroce, Jing Cui, Elizabeth W. Karlson, Karestan C. Koenen, Laura D. Kubzansky, Candace H. Feldman

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLupus erythematosusMedical diagnosisSystemic diseaseSystemic lupusMental healthSystemic lupus erythematosusConnective tissue diseaseImmunopathologyImmunologyIntensive care medicinePsychiatryFamily medicineInternal medicineAutoimmune diseaseDiseasePathologyAntibody

Résumé

récupéré en direct d'OpenAlex

PV080 / #137 Poster Topic: AS11 - Epidemiology and Public Health Background/Purpose Mental health disorders, including depression, anxiety, and post-traumatic stress disorder, are prevalent among people living with SLE. We hypothesized that these mental health conditions may increase recurrent acute care use (emergency department [ED] visits, hospitalizations) among patients with SLE. Methods We used data from the nationwide All of Us Research Program (version 7), an NIH cohort of >287,000 U.S. adults who enrolled and consented for linkage to their electronic health records. We identified those with ≥ 2 ICD-10 or SNOMED codes for SLE in the ≤ 2 years preenrollment. We assessed the exposure of concomitant mental health diagnoses during that time, identified by ≥ 2 ICD-10 or SNOMED codes for major depression, anxiety, or PTSD (mental health diagnoses) in the ≤ 2 years preenrollment. The outcome was number of emergency department visits (only) and hospitalizations (including those from emergency department) after All of Us enrollment date. We used multivariable negative binomial regression models to examine associations between having a mental health diagnosis and acute care use. Models were adjusted for age, sex, race, ethnicity, calendar year of enrollment, other baseline period sociodemographic factors and comorbidities. Results We identified 1,683 with SLE, among whom 1,029 (61.1%) had depression, anxiety, and/or PTSD. Mean age overall was 49.45 (14.26) and 89.4% were female. (Table 1) Those with diagnoses of ≥ 1 mental health condition were more likely to be less educated, in a low-income group, to have ever smoked, and to have more baseline comorbidities. Patients were followed for a mean of 29.9 months (SD 15.3) after enrollment. In adjusted analyses (Table 2), we found associations between having mental health diagnoses and higher rates of acute care use, both emergency department visits (adjusted IRR 1.84, 95% CI 1.52-2.22) and hospitalizations (IRR 1.40, 95% CI 1.11-1.78). This was true both for all emergency visits and hospitalizations for SLE (IRR 1.61, 95% CI 1.32-1.97) and for all diagnoses (IRR 1.45, 95% CI 1.19, 1.78). Table 1. Characteristics of the Patients with SLE in the All of Us Research Program (version 7) by presence of Concomitant Mental Health Diagnoses Table 2. Incidence Rate Ratios for Acute Care Use for Patients with Mental Health Conditions compared to those without among Patients with Systemic Lupus Erythematosus in the All of Us Research Program, v.7 (14,680 person-years) Conclusions In this large, diverse US-wide population of patients with SLE, we found that those with mental health diagnoses had higher rates of recurrent acute care use compared to those without these diagnoses. Mental health conditions may complicate the treatment and severity of SLE, leading to increased recurrent acute care use. As patients with frequent acute care use are less likely to receive standard-of-care long-term medications and preventive care, contributing to inequities, further research is needed to develop interventions to decrease this recurrent acute care use for patients with SLE and mental health disorders.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,374
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetSystemic Lupus Erythematosus Research→Travaux en français237 207→